NVIDIAがJetson Thor新モジュール「T3000」「T2000」を発表 — ロボティクスの量産化に照準

NVIDIAは7月15日、Jetson Thorアーキテクチャベースの新しいモジュール「T3000」と「T2000」を発表した。T3000は865 FP4テラフロップスのAI演算性能をコンパクトなフォームファクタで提供し、T5000の約半分のサイズと消費電力を実現している。32GB LPDDR5Xメモリ、273GB/sのメモリ帯域幅、25 GbE接続性を備え、ヒューマノイドロボットや自律機械の量産展開をターゲットとしている。

一方、T2000は400 FP4テラフロップス、16GBメモリで、より幅広いエッジAIアプリケーションへの入門向けだ。NVIDIAのJetsonポートフォリオ全体で70 TOPSから2,000テラフロップスまでスケーラブルなラインナップとなった。

注目すべきは、新しい「Jetson agent skills」によるメモリ最適化の自動化だ。AIエージェントがソフトウェアスタック全体を最適化し、最大15GBのメモリ削減を実現。これにより、UBTechやAgile Robotsは64GB構成から32GBモジュールへの移行が可能になった。メモリ価格高騰が続く中、このアプローチは実用的なコスト削減手段となっている。

また、NVIDIAは4Bパラメータの軽量ワールドファウンデーションモデル「Cosmos 3 Edge」も発表。Thorプラットフォームでオンデバイス推論が可能で、約1日で特定のロボット実装向けにポストトレーニングできるという。T3000のエミュレーションモードは今月下旬、T2000は後日提供予定。モジュール本体は2027年第1四半期にリリース予定とのことだ。

Microsoftが営業担当にOpenAI・Anthropicの「弱点」を教育 — AIモデル競争が次フェーズへ

Microsoftが社内AIモデルの販売強化のため、営業担当者にOpenAIやAnthropicのモデルを「効率性とコスト面で劣る」と顧客に説明する訓練を実施していることが報じられた。同社は自社開発のAIモデルを、競合よりも効率的で費用対効果に優れる選択肢として位置づけている。

MicrosoftはOpenAIへの数十億ドル規模の投資を行いながらも、自社のAIモデル群の構築を進めており、この動きは両社の関係が「協力と競争」の並行状態にあることを示唆している。AIモデル市場で価格競争と差別化が本格化する中、大手クラウドプロバイダーが独自モデルの優位性をどうアピールするかが今後の焦点になりそうだ。

Kimi K3のリリースが間近か — コミュニティで期待高まる

Moonshot AIの対話型AI「Kimi」の次期モデル「Kimi K3」のリリースが間近との観測が広がっている。Kimiの公式Xアカウントが「3」を散りばめた動画を投稿し、すでにLM Arenaでは「kivine」というコードネームでテスト中との情報が出ている。

コミュニティの反応では「良好だがFableより遅い」との声もあり、リリース前から性能面での議論が始まっている。Kimi K2が高い評価を受けただけに、後継モデルがどこまで向上するかが注目される。

Hy3の1-bit量子化が「予想以上に健在」 — 大型モデルのローカル実行に光

RedditのLocalLLaMAコミュニティで、Hy3モデルの1-bit量子化版（89〜93GB）のテスト結果が話題を呼んでいる。投稿者は「最小構成でも驚くほど首尾一貫している」と評価し、HTMLベースのフライトシミュレータの生成やSVGイラスト作成などで実用性を確認した。

モデルがますます大規模化する中、1-bit量子化のような極端な圧縮でも一定の品質が保てるという結果は、ハードウェア制約のある環境でのLLM運用に有望な手がかりと言えそうだ。

SDABench — LLMは「科学発見」に向けてどこまで準備できているか

新しいベンチマーク「SDABench」が、LLMの科学発見能力を6つの能力軸（記述・探索・推論・予測・因果・機構的）と5つのドメイン（生物・化学・環境・地理・物理）で評価した。15の代表的なLLMをテストした結果、記述的分析はよくこなすものの、仮定選択や潜在プロセスのモデリング、機構的推論を要するタスクでは性能が急激に低下することが判明した。

より高度なモデルほど関連する範囲と変数の特定は正確になるが、適切な分析手順の選択、変数間関係のモデリング、有効な結論の導出では依然として苦戦しているという。AIを科学研究のパートナーとして位置づける動きが加速する中、LLMの「科学的思考」の限界を可視化する重要な成果と言える。